Please refresh the page if equations are not rendered correctly.
---------------------------------------------------------------

小论文结构

[TOC]

题目

基于孔隙网络模型的纤维增强体渗透率预测方法

1. 前言

1.1 纤维增强体渗透率的重要性，结合LCM工艺做一个简单的描述

1.2 渗透率获取方法

实验测量，理论计算，数值仿真

1.3 数值仿真的研究进展

1.4 论文创新点

提出了一种预测渗透率的新方法：基于改进后的分水岭算法分割纤维的CT图像中的孔隙区域，通过距离变换图提取孔隙网络模型（PNM），最后采用PNM稳态流方法预测纤维增强体渗透率

2. 理论基础

2.1 分水岭算法

简述分水岭算法的原理，发展，主要问题

2.2 SNOW算法和PNM几何信息提取

简述SNOW算法对分水岭算法的改进以及几何信息提取的步骤

2.3 基于PNM计算渗透率的原理

简述OpenPNM稳态流算法原理

3.实验部分

实验材料选取：不同编织类型的2D织物

实验设备：CT型号，法向渗透率测试

实验过程：现测量织物的法向渗透率，经RTM工艺灌注成型后送CT扫描，基于CT图像使用Porespy导出孔隙网络模型，最后采用以哈根－泊肃叶方程为基础的算法和达西定律计算织物渗透率，并于测试结果对比，给出计算时间

4.结果讨论（三个方向）

1.仿真方法对比（耗时长）：提出另外一种方法，基于CT对织物细观结构进行精细化建模，随后采用有限体积法使用Fluent商业软件计算织物渗透率，然后结合实验测量值对比PNM方法，对比计算成本，计算精度，方法简易程度等

2.图像处理过程中相关参数的影响（耗时短但是目前3D图像的消噪和除杂峰还有问题待解决），考虑SNOW算法中图像处理的各种参数比如高斯滤波器的标准差sigma，模糊半径，膨胀算法扩张半径等参数对结果的影响

3.多做几种织物的渗透率预测以验证该方法的普适性，或者针对同种织物不同纤维体积分数下该方法的稳定性

5.结论与展望

仿真方法对比方向：单纯的PNM方法计算精度肯定不如有限元法，但是计算时间可以减少几个数量级，PNM在多相流和反应性传输中的优势更加明显（文献综述），目前已经有PNM和LBM结合预测沙土等其他多孔介质渗透率的文献，后续提高PNM预测织物渗透率的准确度这块可以参考PNM和传统数值仿真方法结合

图像处理参数方向，给出图像处理过程中相关参数的最优解，分析提取PNM几何参数提取方法中的不足

实验方向：探讨不同织物类型对该方法的匹配度，分析该方法的普适性